13.4. Gerçek Zamanlı Analitik Platformlar

Gerçek zamanlı analitik platformlar, veri mühendisliğindeki en zor kesişimde yer alır: hala gelmekte olan veri üzerinde saniye altı sorgu gecikmesi. Bu talebi karşılamak; akışlar arası özelleşmiş join’ler, amaca yönelik inşa edilmiş OLAP motorları ve batch/hız ayrımından merkezi olmayan veri sahipliğine doğru bir mimari evrim gerektirir. Bu bölüm, stream-join stratejilerini, Pinot ve Druid gibi düşük gecikmeli OLAP motorlarını, Lambda’dan Data Mesh’e ilerlemeyi ve makine öğrenmesini ölçekte sunan feature-store ile model-registry altyapısını kapsar.

İncelenen Konular

• 13.4.1. Stream Join Zorlukları: Zamansal Join Stratejileri: Akışları birleştirmenin zorluklarını ve durumu sınırlayan zamansal join stratejilerini kapsar.
• 13.4.2. Apache Pinot / Druid: Düşük Gecikmeli OLAP: Taze veri üzerinde saniye altı sorgular için inşa edilmiş OLAP motorları Apache Pinot ve Druid’i karşılaştırır.
• 13.4.3. Lambda’dan Data Mesh’e: Veri Mimarisinin Evrimi: Veri mimarisinin Lambda’nın ikili katmanlarından merkezi olmayan sahipliğe evrimini izler.
• 13.4.4. Data Mesh İlkeleri: Alan Odaklı Veri Sahipliği: Data Mesh ilkelerini kapsar: veriyi bir ürün olarak ele alan alan odaklı sahiplik.
• 13.4.5. Ölçekte ML Sunumu: Feature Store ve Model Registry: Feature store’lar ve model registry’ler ile makine öğrenmesini ölçekte sunmayı açıklar.